仓储烟叶箱芯温度变化规律及预测预警研究——以安徽凤阳地区片烟养护为例

张鑫，王苏红，徐玮杰，李强，杨凯*

仓储烟叶箱芯温度变化规律及预测预警研究——以安徽凤阳地区片烟养护为例

张鑫1，王苏红2，徐玮杰1，李强3，杨凯1*

1上海烟草集团有限责任公司技术中心，上海市浦东新区秀浦路3733号 201315；2华环国际烟草有限公司，安徽省滁州市凤阳县门台工业园 233121；3上海烟草集团有限责任公司储运公司，上海市宝山区吉浦路535号 200439

【目的】探索箱芯温度在仓储烟叶质量风险预警中的应用方式，强化烟叶精细化、个性化养护能力。【方法】在安徽门台仓库持续44个月跟踪监测8个典型等级复烤片烟箱芯温度，分析箱芯温度随时间的变化规律及不同烟箱位置、不同烟叶等级间的差异特征，并建立箱芯温度预测模型。【结果】（1）烟叶箱芯温度呈现近似余弦函数的季节性变化规律，波峰、波谷分别出现在每年8月、2月。（2）正常情况下，升温过程箱芯温度低于仓间温度且升温速率一般不超过0.5℃/d，降温过程箱芯温度高于仓间温度但温差一般不超过4℃。（3）烟箱层高位置是造成升温过程烟箱间温度差异的主要原因。（4）基于时间序列分析的箱芯温度预测模型比多元线性回归模型的准确度、适用性更好，未来一周内预测结果最大绝对偏差仅为0.37℃。【结论】烟叶箱芯温度受仓储环境及空间位置影响显著，可依据统计规律和预测模型研制更为精准的风险预警机制。

烟叶；仓储；箱芯温度；变化；预测；预警

复烤片烟用于卷烟生产前通常需经过2～3年的醇化过程，以调和化学成分、改善吸食品质，无霉变、无碳化、无虫害是此期间最基本的要求。为营造适宜醇化环境，烟叶养护过程多要求进行“三温两湿”的监测与调控，“三温”为仓外温度、仓间温度和箱芯温度，“两湿”为仓外相对湿度和仓间相对湿度。其中箱芯温度是烟叶霉变、碳化风险预警的主要参考依据，但不同研究报道的判定规则存在差异[1-5]。另一方面，除个别企业已通过信息化手段实现箱芯温度无线监测外[6]，多数企业仓库对箱芯温度的检测还依靠人工读取烟箱上测温探杆数据，考虑到工作量和设备成本，该方式在检测空间密度、时间频次上均难以提高[7-8]。如何利用好有限的箱芯温度检测数据，最大化发挥其在烟叶养护过程中的风险预警作用尚缺少研究。

本文从仓储烟叶箱芯温度的变化规律及影响因素分析出发，研究界定正常烟叶箱芯温度特征范围并建立预测模型，以期为完善烟叶养护数字化管理模式提供参考。

1 材料与方法

1.1 材料和仪器

试验材料为上海烟草集团有限责任公司2015年采购加工的武夷丘陵生态区（上部、中部、下部）、黄淮平原生态区（上部、中部、下部）、西南高原生态区中部和东北平原生态区中部共计8个代表性等级复烤片烟各4箱。

272-A屋型干湿球温度计（上海华辰医用仪表有限公司生产）；LY-CWT测温杆（浙江省台州市昊溢仓储设备公司生产）；FED115 热风循环烘箱（德国Binder公司生产）。

1.2 方法

将上述32箱烟叶按单等级四层高形式拼垛置于安徽凤阳门台砖墙结构仓库4楼，烟垛旁悬挂272-A屋型干湿球温度计，烟箱全部配置LY-CWT测温杆。

2016年8月—2020年3月，每工作日上、下午两次定时检测仓间温度、相对湿度；每年4—10月每周2～3次检测箱芯温度，每年11—次年3月每周检测1次；每年5月、10月打开烟箱对烟叶颜色、水分、虫害、霉变等情况进行检验。必要时，抽取烟叶样品采用烘箱法进行水分检测。

1.3 数据处理

试验数据采用SPSS 26.0和Microsoft Excel 2013进行统计分析与建模。其中每日仓间温度、相对湿度以上、下午两次均值计，每日箱芯温度以所有烟箱均值计，对于各指标单日缺失数据采用线性插值方法补充。

2 结果分析

2.1 烟叶箱芯温度均值变化情况

基于仓间温度、仓间相对湿度、箱芯温度的单日数据计算月度均值（图1），可见：仓间相对湿度月度均值范围为49.3%～70.4%，未表现出明显规律；仓间温度和箱芯温度均呈现近似余弦函数的季节性变化规律，仓间温度月度均值范围为5.6℃～34.4℃，烟叶箱芯温度月度均值范围为6.9℃～35.9℃，总体上每年6—9月箱芯温度高于25℃，8月为最高值，每年12—次年3月箱芯温度低于15℃，2月为最低值。

图1同时显示，箱芯温度变化稍滞后于仓间温度，其中2018年仓间温度、箱芯温度之间存在较明显差异，这是因为年初同仓库非试验烟叶出仓至年底新烟转入期间，仓间门未完全关闭且未进行通风排湿等处置工作，导致仓间温湿度变化较其他年份更为急剧。

图1 仓间温度、相对湿度和箱芯温度的月度均值

进一步计算烟叶箱芯温度与仓间温度的单日差值并统计不同范围分布比例（表1），可见：正常情况下，在每年3—6月升温阶段，箱芯温度总体低于仓间温度，此阶段出现箱温高于仓温2℃的概率极低；在每年8—次年1月降温阶段，箱芯温度总体高于仓间温度，但温差超过4℃的情况仅在2018年少量出现。每年2、7月是箱芯温度与仓间温度发生高低关系转换的临界点。

表1 箱芯温度与仓间温度差异统计情况

Tab.1 Statistical result of difference between carton temperature and warehouse temperature

另一方面，计算烟叶箱芯温度的日变化速率，可见试验过程中箱温单日变化量绝对值均未超过1℃/d，在3—7月内95%左右的升温速率不超过0.5℃/d，在8月开始降温至9、10月仍偶有箱芯温度回升情况。

表2 箱芯温度日变化速率统计情况

Tab.2 Statistical result of daily change rate of carton temperature

2.2 烟叶箱芯温度均匀性情况

依据32个烟箱每天实测原始箱芯温度计算单日内箱间温度极差（表3），可见：最大极差值为2.6℃，超过2℃的总体占比仅为1.0%，不超过1.5℃的总体占比为91.5%。另统计表明，平均箱温越高，箱间温差越大，平均箱温30℃时的箱间温度极差均值超过1℃（附表1（见http://ycxb.tobacco.org.cn/news/video/ 4801d2a0-6b01-4ba0-bd83-c4a8b1bc012e.htm，后面的附表和附图同））。

表3 箱芯温度单日极差统计情况

Tab.3 Statistical result of daily range of carton temperature

为分析箱间温差成因，首先统计不同层高烟叶箱芯温度的月度均值（表4），可见：四层烟箱箱芯温度极差全年均值为0.30℃；每年9月—次年2月，顶层烟箱温度最低或次低，底层烟箱温度相对较高，箱温极差均值在0.20℃左右；每年3—8月，顶层烟箱温度最高，底层和次底层温度相对较低，其中4—5月箱温极差均值超过0.50℃。即顶层烟箱温度受环境影响大，底层烟箱温度变化慢。

表4 不同层高烟叶箱芯温度

Tab.4 Carton temperature at different height ℃

注：同列数据后的不同小写字母表示差异显著（＜0.05）。

Note: Different lowercase letters in the same column indicate significant differences (< 0.05).

统计比较了不同等级烟叶箱芯温度的月度均值（附表2），结果显示：8个等级烟叶箱芯温度极差全年均值为0.35℃，其中9月份箱温极差均值最大，达到0.50℃；2月份箱温极差均值最小，为0.22℃。但未见明显的等级特征规律。

总体来看，随季节变化，层高间箱芯温度极差值变幅较大，而烟叶等级间箱芯温度极差值则相对平稳（附图1）。3～6月升温阶段，仓间上层热空气不易向下对流，垂直方向温差明显，且此时烟箱与仓间温差较大（表1），因而表现为层高间箱芯温度差异大于烟叶等级间差异；每年8～次年1月降温阶段，仓间上层冷空气易向下对流，且烟箱与仓间温差减小，此时表现为烟叶等级间箱芯温度差异大于层高间差异。

2.3 烟叶箱芯温度预测模型

由上可知，烟叶箱芯温度受仓间状况、烟箱位置、烟叶等级等多方面因素影响，相比使用固定统一的临界阈值来进行烟叶质量状态预警，建立烟叶箱芯温度预测模型并以预测值作为动态基准来识别异常则更为合理。同时应用预测模型能够提前预判烟垛箱温发展趋势，较实测后再处置更为及时且有针对性。

利用2016年8月9日—2019年8月8日期间仓间温度（T0）、仓间相对湿度（H0）、仓温单日变化量（T△）数据，通过逐步线性回归建立烟叶箱芯温度（日均值）预测模型，X0= -3.274 + 0.954×T0+ 0.071×H0- 1.804×T△（<0.01，2=0.951）。模型预测集平均绝对偏差为1.54℃，偏差在1℃以内比例仅43.3%，平均相对偏差为9.5%；其中2018年因仓间温湿度处于非控制状态，模型预测偏差更大。以2019年8月9日—2020年3月25日数据验证模型预测效果，预测值平均绝对偏差为1.10℃，偏差在1℃以内的比例仅50.4%，平均相对偏差为7.2%。

表5 箱芯温度线性回归预测模型效果

Tab.5 Linear regression prediction model of carton temperature

鉴于箱芯温度表现出的季节性变化规律和强自相关性，考虑应用时间序列分析法建立预测模型。经ADF检验和Ljung-Box检验表明，2016年8月9日—2019年8月8日的逐日箱芯温度数据属于平稳的非白噪声序列（附表3、附表4）。在SPSS 26.0软件中采用专家建模器建立箱芯温度时间序列模型为ARIMA（1, 2, 2）（0, 0, 0）。由于数据仅覆盖3个完整周期，模型中没有体现出季节性变动成分，而是进行了二阶差分处理，但其平稳2值为0.681、正态化BIC值为-5.671，建模集最大绝对偏差仅为0.25℃、最大相对偏差仅为2.00%，因此可认为模型拟合度较好。另Ljung-Box Q(18)检验表明残差符合随机序列分布，模型可靠性较高（附表5、附表6）。

表6 箱芯温度时间序列模型效果

Tab.6 Time series prediction model of carton temperature

但时间序列模型偏差会随着预测周期的延长而累积变大，以2019年7月12日—2019年9月5日为例，含建模集、验证集各4个星期，对上述两个模型预测特征及效果进行比较。由图2可见，线性回归模型预测偏差呈现无序波动情况，此部分验证集偏差稍大于建模集偏差，最大绝对偏差为1.56℃；时间序列模型在建模集范围至验证集第四天8月12日绝对偏差均小于0.05℃，第7 d 8月15日为0.37℃，第14 d 8月22日时已达到0.89℃，此后预测偏差超过线性回归模型。因此，使用时间序列模型可以比较准确地预测未来1周箱芯温度发展趋势，但建议每周至少进行1次箱芯温度检测，用以校准模型。

图2 不同预测模型绝对偏差比较

3 讨论

目前关于烟叶存储过程箱芯温度变化规律的研究较少，本研究在安徽凤阳门台仓库进行的跟踪试验表明，仓间温度与箱芯温度呈现趋势一致的周期性变化，但箱芯温度稍有滞后，这与杨佳玫[9]等在贵州地区开展的试验结果一致，其研究同时表明机械调控养护方式也遵循此规律。

一般将箱芯温度＞35℃作为烟叶质量风险预警的依据[3,5]。本研究试验期间箱芯温度日均值连续超过35℃共出现3次，分别为2016年8月9日—8月30日（合计22 d）、2017年7月26日—8月12日（合计18 d）、2018年8月9日—8月19日（合计11 d），但除烟叶颜色正常的醇化加深外，未发现碳化或霉变迹象，这是因为同期烟叶水分平均值分别为11.63%、11.97%、12.05%，未达到另一劣变必要条件——烟叶水分≥15%[4-5]。

YC/T 300《片烟贮存养护自然醇化法》中要求箱芯温度与仓间温度之差不应高于4℃[7]。本研究全过程中箱温-仓温差超过4℃的占比为2.6%，主要为2018年仓间温湿度未调控状态下发生。因此，标准要求范围具有较好的适用性。而将箱芯温度与仓间温度之差作为烟叶质量风险预警依据时，则宜制定分段判定规则以提高精准度，如以仓间温度20℃作为烟叶醇化反应加快的临界点[10]，则在升温时节，箱芯温度通常不高于仓间温度2℃；在降温时节，箱芯温度通常不高于仓间温度4℃。

顾铭等[3]发现正常烟叶箱芯温度每日变化幅度仅0.1℃～0.3℃，而霉变烟叶箱温单日上升幅度达1.0℃～1.5℃，因此将单日箱温升幅＞1.0℃作为霉变报警依据。与此类似，本研究中出现箱芯温度增大的有579 d，单日箱温升幅平均值为0.156℃，超过0.5℃的占比为1.9%，最大为1.0℃。因此，可考虑将正常烟叶箱芯温度单日升幅监控上限设置为0.5℃，以提高预警灵敏度。

罗丽琼等[4]认为箱温不均匀也是烟叶霉变风险评估的一项考虑因素，但没有明确具体数值范围。本研究中2行×4列×4高的32箱烟垛每日箱芯温度极差最大为2.6℃，超过2℃的总体占比仅为1.0%；顶层烟箱比底层烟箱温度变化幅度大，是高温时段箱间温差的主要原因，当箱芯温度超过30℃时箱温极差均值可达1.0℃以上。这与董向华等[8]在天津仓库4月—5月期间对8行×8列×4高的256箱烟垛箱温分析结果一致，此外其研究同时发现，除层高差异外，还会表现出烟垛中心箱温略高于四周，相邻烟箱的传感器温度相差在0.5℃左右，不同位置箱温的差值介于0.1℃～5.5℃。可见，受烟垛规模影响，难以制定出明确的垛内箱温不均匀度评价标准用于烟叶质量风险诊断。

宾俊[11]利用仓间积温、箱外温度、箱内温度、醇化天数建立了箱内积温预测模型，而未见关于箱芯温度检测值的预测研究。本研究发现可采用时间序列分析方法建立较为精准、稳健性强的箱温预测模型，用作质量预警的参考标的，这比传统固定的临界阈值判定方法更为灵活。考虑到垛内不同位置箱温存在差异，更为有效的方法即参考粮堆立体温度场研究方法[12-14]，通过与湿度场的动态耦合分析实现发热、结露、霉变等异常状况的预测预警[15-17]。目前烟草行业仅见关于储叶、储丝过程物料堆温度场的研究[18-19]，尚未见醇化仓库温度场研究。

需说明的是，本研究仅是基于在安徽凤阳地区单一仓库试验的分析结果，且仅是基于正常烟叶的概率统计而缺少异常情况的反向验证。另由于国内烟叶仓库分布区域广泛[7]，仓库结构及调控设施差异大，前述的异常判定规则及预测模型的通用性还需做进一步的扩大验证。

4 结论

本研究通过对8个典型等级复烤片烟箱芯温度连续44个月的监测分析，基本明晰了仓储过程烟叶箱芯温度的变化规律和影响因素，为完善基于箱芯温度的风险预警机制提供了参考。主要结论如下：

（1）箱芯温度随仓间温度呈现近似余弦函数的季节性变化规律，只要水分受控，箱芯温度稍高于35℃一段时间，烟叶也不会碳化或霉变。

（2）通常情况下，箱芯温度升温速率不超过0.5℃/d；升温时节，箱芯温度不高于仓间温度2℃；降温时节，箱芯温度不高于仓间温度4℃。

（3）环境温度升高，同一烟垛箱间温度极差会变大，烟箱位置是产生箱温差异的主要原因，但难以把箱温不均匀作为风险预警依据。

（4）基于当前仓间温度、相对湿度和仓温单日变化量建立了烟叶箱芯温度线性回归预测模型，预测集平均绝对偏差为1.10℃；而基于历史箱温数据所建立的时间序列预测模型，未来一周内预测结果最大绝对偏差0.37℃，模型预测准确性和稳健性优于前者。应用该模型有望实现更为精准、及时的烟叶醇化质量风险预警。

[1] YC/T 475—2013，烟草及烟草制品霉变控制指南[S].

YC/T 475-2013, Tobacco and tobacco products—Molding control guide[S].

[2] 罗云，陈晓伟，陈斌，等. 原烟储存中烟垛内部温度与烟叶霉变的关系研究[J]. 昆明学院学报，2019,41(06):7-11.

LUO Yun, CHEN Xiaowei, CHEN Bin, et al. Research on relationship between inner temperature of tobacco stack and tobacco leaf molding[J]. Journal of Kunming University, 2019, 41(06):7-11.

[3] 顾铭，常勇. 烟叶仓库温湿度监控系统报警条件设置[J]. 河南农业，2016(14):74-75.

GU Ming, CHANG Yong. Tobacco warehouse temperature and humidity monitoring system alarm condition setting[J]. Agriculture of Henan, 2016(14):74-75.

[4] 罗丽琼，夏玉珍，张天顺，等. 储烟霉变原因及其防控技术研究进展[J]. 贵州农业科学，2015,43(08):118-121.

LUO Liqiong, XIA Yuzhen, ZHANG Tianshun, et al. Research progress in moldy cause and control technology in stored tobacco[J]. Guizhou Agricultural Sciences, 2015,43(08):118-121.

[5] 孔祥，易百灵. 初探成品片烟碳化现象形成原因[J]. 农业与技术，2017, 37(11):43-44+57.

KONG Xiang, YI Bailing. A preliminary study on the causes of carbonization of tobacco strips[J]. Agriculture and Technology, 2017, 37(11): 43-44+57.

[6] 乐承星，赖兰凤，沈禄恒，等. 烟叶原料智能仓储综合管理平台的构建[J]. 福建电脑，2021,37(02):116-117.

LE Chengxing, LAI Lanfeng, SHEN Luheng, et al. The construction of integrated management platform of intelligent warehouse for tobacco raw[J]. Journal of Fujian Computer, 2021,37(02):116-117.

[7] YC/T 300—2018，片烟贮存养护自然醇化法[S].

YC/T 300-2018, Storage and conservation of strips—Natural mellowing method [S].

[8] 董向华，张军，李德伦，等. 烟叶垛位箱温检测点设置不同比例下差异分析[J]. 北京农业，2015(30):154-155.

DONG Xianghua, ZHANG Jun, Li Delun, et al. Difference analysis of different ratios of temperature detection points in tobacco stacks[J]. Beijing Agriculture, 2015(30):154-155.

[9] 杨佳玫，曾经纬，黄立兵，等. 烟叶仓储环境下温湿度的相关性及差异性分析[J]. 南方农机，2020,51(04):60-61.

YANG Jiamei, ZENG Jingwei, HUANG Libing, et al. Correlation and difference analysis of temperature and humidity in tobacco storage environment[J]. China Southern Agricultural Machinery, 2020,51(04):60-61.

[10] 张鑫，汤朝起，杨凯，等. 复烤片烟醇化过程耗氧规律及其影响因素分析[J]. 中国烟草科学，2021,42(01):86-91.

ZHANG Xin, TANG Zhaoqi, YANG Kai, et al. Analysis of oxygen consumption and influencing factors of redried flue-cured tobacco strips during aging[J]. Chinese Tobacco Science, 2021, 42(01): 86-91.

[11] 宾俊. 广义灰色体系和无损分析技术在烟叶生产加工过程中的应用[D]. 湖南农业大学，2017.

BIN Jun. Application of generalized grey system and nondestructive analysis technology in tobacco production and processing[D]. Hunan Agricultural University, 2017.

[12] 罗伟，李志. 基于监测数据的粮仓温度场数值仿真[J]. 安徽农业科学，2009,37(32):16130-16131+16141.

LUO Wei, LI Zhi. Numerical simulation of thermal field in grain store based on monitoring data[J]. Journal of Anhui Agricultural Science, 2009,37(32):16130-16131+16141.

[13] 梁醒培，吴锐，赵玉霞，等. 平房仓储藏小麦粮堆温度场的数学模拟[J]. 粮油食品科技，2010,18(05):1-2+6.

LIANG Xingpei, WU Rui, ZHAO Yuxia, et al. Mathematical simulation of stored wheat temperature in large warehouse[J]. Science and Technology of Cereals, Oils and Foods, 2010, 18(05): 1-2+6.

[14] 尹君，吴子丹，吴晓明，等. 基于温湿度场耦合的粮堆离散测点温度场重现分析[J]. 中国粮油学报，2014,29(12):95-101.

YIN Jun, WU Zidan, WU Xiaoming, et al. Analysis of temperature field recurrence in discrete points of grain heap based on coupling of temperature and humidity fields[J]. Journal of the Chinese Cereals and Oils Association, 2014, 29(12): 95-101.

[15] 张忠杰，尹君，吴晓明，等. 粮情云图动态分析软件系统研发与应用[J]. 粮油食品科技，2020,28(01):94-99.

ZHANG Zhongjie, YIN Jun, WU Xiaoming, et al. Development and application of software system for dynamic analysis of grain condition cloud map[J]. Science and Technology of Cereals, Oils and Foods, 2020,28(01):94-99.

[16] 王小萌，吴文福，尹君，等. 基于温湿度场云图的小麦粮堆霉变与温湿度耦合分析[J]. 农业工程学报，2018,34(10):260-266.

WANG Xiaomeng, WU Wenfu, YIN Jun, et al. Analysis of wheat bulk mold and temperature-humidity coupling based on temperature and humidity field cloud map[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(10): 260-266.

[17] 王水寒，李瑞敏，张洪清，等. 基于温湿度场云图的稻谷粮堆状态和结露风险分析[J]. 粮油食品科技，2021,29(04):219-225.

WANG Shuihan, LI Ruimin, ZHANG Hongqing, et al. Analysis of storage state and condensation risk of paddy pile based on temperature and humidity field cloud map[J]. Science and Technology of Cereals, Oils and Foods, 2021, 29(4): 219-225.

[18] 赵亮，常纪恒，王宏生. 基于Luikov理论的烟丝贮丝过程热湿特性研究[J]. 郑州轻工业学院学报（自然科学版），2011, 26(02): 36-40.

ZHAO Liang, CHANG Jiheng, WANG Hongsheng. Study on the heat and moisture transfer of cut tobacco base on Luikov theory in storing processing[J]. Journal of Zhengzhou University of Light Industry (Natural Science), 2011,26(02):36-40.

[19] 吕宁，张家慧，董文涛，等. 基于有限差分法的储叶柜温度场数值模拟分析[J]. 中国烟草学报，2015,21(01):13-17.

LV Ning, ZHANG Jiahui, DONG Wentao, et al. Numerical simulation analysis of temperature field in leaf silo based on finite difference method[J]. Acta Tabacaria Sinica, 2015,21(1): 13-17.

Study on variation characteristics, forecasting and early warning of inner temperature of tobacco leaves carton during storage- taking tobacco maintenance in Fengyang of Anhui province as example

ZHANG Xin1, WANG Suhong2, XU Weijie1, LI Qiang3, YANG Kai1*

1 Technical Center, Shanghai Tobacco Group Co., Ltd., Shanghai 201315, China;2 Huahuan International Tobacco Co., Ltd., Chuzhou 233121, China;3 Store & Transport Corp of Shanghai Tobacco Group Co., Ltd., Shanghai 200439, China

[Objective] This study aims to explore the application of carton temperature in the early warning of quality risk of stored tobacco leaves, and to achieve a more refined and personalized conservation. [Methods] The carton temperatures of 8 representative redried strips were tracked and monitored for 44 months in Mentai warehouse, Anhui. The dynamic characteristics of carton temperature as well as the differences resulted from carton positions and tobacco leaf grades were analyzed, and a carton temperature prediction model was constructed. [Results] (1) Tobacco carton temperature showed a seasonal variation law of approximate cosine function, with peaks and troughs appearing in August and February of each year, respectively. (2) The carton temperature was lower than the warehouses during the warming period and the heating rate was generally not more than 0.5℃/d, while the carton temperature was higher than the warehouses during the cooling period but the temperature difference did not exceed 4℃. (3) The height of the carton was the main reason accounting for the temperature difference among cartons during the warming process. (4) The accuracy and applicability of the carton temperature prediction model established by time series analysis were better than those of the multiple linear regression model. The maximum absolute deviation of the prediction results in the coming week was only 0.37℃. [Conclusion] Tobacco carton temperature is significantly affected by storage environment and spatial location, and a more accurate risk early warning mechanism can be developed based on statistical laws and prediction models.

tobacco leaf; storage; inner temperature of tobacco leaves carton (carton temperature); variation; prediction; early warning

Corresponding author. Email：yangk@sh.tobacco.com.cn

上海烟草集团有限责任公司科研项目“烟叶原料异地同质化养护技术研究”（K2016-1-018Z）

张鑫（1986—），硕士，工程师，主要研究方向：烟草原料质量分析，Tel：021-61661175，Email：331028335@qq.com

杨凯（1982—），Email：yangk@sh.tobacco.com.cn

2022-04-18；

2023-07-04

张鑫，王苏红，徐玮杰，等. 仓储烟叶箱芯温度变化规律及预测预警研究——以安徽凤阳地区片烟养护为例[J]. 中国烟草学报，2023，29（5）. ZHANG Xin，WANG Suhong，XU Weijie, et al. Study on variation characteristics, forecasting and early warning of inner temperature of tobacco leaves carton during storage- taking tobacco maintenance in Fengyang of Anhui province as example[J]. Acta Tabacaria Sinica, 2023, 29（5）. doi:10.16472/j.chinatobacco.2022.074